AI药物发现公司继续寻求最佳商业模式

本文是来自BPT Analytics网站的一篇行业观察文章，仅作学术交流，非商用。

AI药物发现领域已经蓄势待发。在过去几年里，AI药物发现初创公司已经与50多家制药公司签订了200多项合作，而这些还只是公开披露的合作。像InSilico Medicine和Cyclica这样的少数顶级公司声称与学术界和工业界的合作均超过100项。

随着数十亿美元的资金涌入，该行业可能会获得进一步的推动力，并在未来几年内接近成熟。

困扰这些开创性的初创企业的一个难题是商业模式。

AI药物发现公司在描述他们的模式时表现出高度的灵活性，以适应合作伙伴的具体要求。角色的范围可以是像生物技术公司那样利用AI开发内部管线，或者像CRO那样提供AI软件或AI驱动的服务。

AI驱动的生物技术公司模式

在这种模式下，AI药物发现公司类似于典型的生物技术公司：要么在新的适应症中重新利用旧的药物，要么设计新的药物并填补其管线。这类公司通常旨在利用AI，更低成本、更快的开发药物。然后，这些药物可以合作或授权给具有临床开发能力的制药公司，以创造收入。

这种模式将面临与普通生物制药公司相同的挑战，需要一个强大的内部团队，拥有强大的药物知识，拥有实验性研发基础设施或跨领域的外包能力、商业或监管知识等。

这种模式下，AI药物发现公司虽然在AI的推动下取得了更好的成功，但仍将争取与制药公司合作，并吸引对高风险机会和长孵化期有兴趣的投资者。一些以AI为动力的生物技术公司，如BERG或AI therapeutics，资金充足，并有一些药物在临床开发管线中。

技术服务商模式

在这种模式下，AI药物发现公司向制药公司出售他们的软件或服务以获取收入。这些公司开发平台，与客户的数据一起工作，并协助他们的项目。其目的是创造最好的计算工具，这些工具通常与治疗领域无关，可以在各种应用中加以利用。像Atomwise、PathAI或Trails.ai这样的公司是这一方面的典型。

这类公司的一个挑战是创收模式。虽然软件交付通常是直接的，但服务领域的付款往往是以里程碑式的结构来降低投资风险，并与他们所声称的交付能力相关联，无论是识别新靶点还是找到新的候选药物。考虑到药物的开发周期可能从4-6年不等，甚至包括进入临床试验，这给创收带来障碍。

另一个挑战是“AI与数据一样好，而制药公司拥有数据”。即使开发了最好的算法，但这些AI药物发现公司仍然努力通过合作，或向学术实验室或制药公司提供免费服务来证明其价值，因为他们寻求开发和验证其平台。在证明了概念后，这些公司才会过渡到有收入预期的模式。

剥离出内部项目

从早期的合作中，许多提供服务的公司很快发现了AI的巨大市场价值，并开始从事一些内部项目或与其他小型生物技术公司合作成立合资企业。内部项目也可以帮助产生足够的验证数据以进一步吸引制药公司。

可能是迫于投资者不希望将相对低风险的服务模式合并为高风险的生物技术模式，AI药物开发公司不得不将内部项目剥离出来。

BioXcel是第一批将其AI平台和内部项目分拆开来的公司，分拆出来的两家独立公司（生物制药公司Bioxcel Therapeutics 和只提供服务的AI预测分析平台 InveniAI）由 BioXcel 全资拥有。

2019年，Atomwise分拆出了X-37，开发治疗内皮癌的小分子药物。最近，InSilico Medicine将其在衰老生物标志物和深度衰老时钟方面的内部项目分拆出来成为Deep Longevity，继续作为一家纯服务性公司。

一步一个脚印地迈向强大的商业战略

随着该行业走向成熟，即将成立的新公司和作为这些技术的主要消费者的大型制药公司之间的竞争将变得非常激烈。在未来几年里，考虑到人们对分享他们的数据持怀疑态度，大多数 "大制药公司 "可能会收购这些平台或建立内部能力。

如果执行得当，生物技术公司和服务提供商（无论是否被分拆）这两种模式都有强大的潜力。然而，由于资源有限，同时在这两个方向取得成功将是困难的。投资者也可能在仔细了解每一方向的风险后，专门优先考虑其中一种商业模式。

更重要的问题是，考虑到AI平台提供的优势和改进，它们应得的那部分蛋糕是多少？制药公司如何量化包括时间和成本优势在内的价值来补偿AI公司？或者，AI公司在合资企业中开发项目时应得的知识产权的合理比例是多少？

这些问题还没有正确的答案。

然而，在旅程的早期保持敏捷，尽早尝试，并朝着确保拥有关键优势和经验的方向发展应该没错。

参考资料

https://www.biopharmatrend.com/post/342-tech-providers-or-biotechs-the-quest-to-find-an-optimal-business-model-continues-for-ai-drug-discovery-companies/

----------- End -----------

感兴趣的读者，可以添加小邦微信（zhiyaobang2020）加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位 或姓名-学校-职务/研究方向。

历史文章推荐    


Nat Comput Sci综述｜生物分子建模在技术时代蓬勃发展
Nature：优于联邦学习的医疗数据共享技术Swarm Learning及应用案例
人工智能在药物研发中的应用
AI药物研发公司Exscientia的理念、技术与特点
进入临床试验的AI设计的药物 汇总V1.0
远程机器人实验室在AI药物发现中的应用价值与前景
Nature：如何使用AI分析真实世界数据，简化肿瘤临床试验入组标准
AI药物研发公司Insilico Medicine的理念、技术与特点
2020年AI + 药物研发全景概述：(二) AI如何应对制药行业的效率挑战
20家顶尖制药公司如何将AI应用于药物研发：近年来主要合作活动